AI扑克牌图像识别 自动扑克检测识别 标准扑克牌目标检测YOLO数据集 第10816期

标准扑克牌目标检测YOLO数据集项目详情任务类型目标检测类别数量53分类类别名称梅花10、方块10、红桃10、黑桃10、梅花2、方块2、红桃2、黑桃2、梅花3、方块3、红桃3、黑桃3、梅花4、方块4、红桃4、黑桃4、梅花5、方块5、红桃5、黑桃5、梅花6、方块6、红桃6、黑桃6、梅花7、方块7、红桃7、黑桃7、梅花8、方块8、红桃8、黑桃8、梅花9、方块9、红桃9、黑桃9、梅花A、方块A、红桃A、黑桃A、梅花J、方块J、红桃J、黑桃J、梅花K、方块K、红桃K、黑桃K、梅花Q、方块Q、红桃Q、黑桃Q、备用牌图片总量10000张数据集划分7:1:2分配 训练集7000张 验证集1000张 测试集2000张标注格式YOLO txt格式、VOC xml格式可直接用于模型训练应用领域纸牌视觉识别、人机交互、棋牌智能分析、图像识别教学、机器视觉算法测试数据集简介该数据集为标准扑克牌目标检测数据集采集多种摆放角度、光照条件下的扑克牌实拍图像覆盖完整的扑克牌牌面。针对每一张扑克牌做框选标注包含单张卡牌、多张卡牌堆叠、部分遮挡等场景卡牌花色与点数类型齐全。标注优势标注结果可直接用于 YOLO 系列目标检测模型训练无需额外格式转换极大降低数据准备成本。数据集标注质量稳定边界框贴合卡牌轮廓模型能够精准区分不同花色与点数的扑克牌降低遮挡场景下识别错误。模型训练效果使用 YOLO26 完成训练后模型检测精度表现良好能够快速识别图像内扑克牌的花色与点数。除卡牌主体外数据集保留桌面等背景信息便于模型在桌面杂物、不同底色等干扰背景下保持稳定检测效果。数据集划分与拓展用途支持训练集、验证集、测试集按 7:1:2 科学划分图片总数充足方便用户复现训练流程并对比不同算法效果。该数据集可进一步用于棋牌智能系统开发、机器视觉入门教学、卡牌自动识别、虚实交互项目等多项延伸任务。YOLO配置文件# 目标检测数据集配置 names: 0: 梅花10 1: 方块10 2: 红桃10 3: 黑桃10 4: 梅花2 5: 方块2 6: 红桃2 7: 黑桃2 8: 梅花3 9: 方块3 10: 红桃3 11: 黑桃3 12: 梅花4 13: 方块4 14: 红桃4 15: 黑桃4 16: 梅花5 17: 方块5 18: 红桃5 19: 黑桃5 20: 梅花6 21: 方块6 22: 红桃6 23: 黑桃6 24: 梅花7 25: 方块7 26: 红桃7 27: 黑桃7 28: 梅花8 29: 方块8 30: 红桃8 31: 黑桃8 32: 梅花9 33: 方块9 34: 红桃9 35: 黑桃9 36: 梅花A 37: 方块A 38: 红桃A 39: 黑桃A 40: 梅花J 41: 方块J 42: 红桃J 43: 黑桃J 44: 梅花K 45: 方块K 46: 红桃K 47: 黑桃K 48: 梅花Q 49: 方块Q 50: 红桃Q 51: 黑桃Q 52: 备用牌YOLO26训练代码示例from ultralytics import YOLO # 加载YOLO26目标检测模型 model YOLO(yolo26n.pt) # 启动模型训练 model.train( data数据集配置.yaml, epochs100, imgsz640, batch8 )#扑克牌识别 #目标检测 #机器视觉 #棋牌视觉 #图像识别